您当前的位置: > 详细浏览

密集追踪数据分析:模型及其应用

请选择邀稿期刊:
摘要: 在心理学、教育学和临床医学等领域, 越来越多的研究者开始关注个体内部的行为、心理、临床效果等随时间而产生的动态变化, 重视针对个体的差异化建模。密集追踪是一种在短时间内对个体进行多个时间节点密集追踪测量的方法, 更适合用于研究个体内部心理过程等的动态变化及其作用机制。近年来, 密集追踪成为心理学研究的一大热点, 但许多密集追踪的研究分析仍停留在较为传统的方法。方法学领域已涌现出较多用于密集追踪数据分析的模型方法, 较为主流的模型包括以动态结构方程模型(Dynamic Structural Equation Model, DSEM)为代表的自上而下的建模方法, 以及以组迭代多模型估计(Group Iterative Multiple Model Estimation, GIMME)为代表的自下而上的建模方法。二者均可以方便地对密集追踪数据中的自回归及交叉滞后效应进行建模。

版本历史

[V1] 2023-03-28 00:13:46 ChinaXiv:202303.09725V1 下载全文
点击下载全文
预览
许可声明
metrics指标
  •  点击量265
  •  下载量125
评论
分享
  • 运营单位: 中国科学院文献情报中心
  • 制作维护:中国科学院文献情报中心知识系统部
  • 邮箱: eprint@mail.las.ac.cn
  • 地址:北京中关村北四环西路33号
招募志愿者 许可声明 法律声明

京ICP备05002861号-25 | 京公网安备11010802041489号
版权所有© 2016 中国科学院文献情报中心